強化學習（RLAI）讀書筆記第六章差分學習（TD-learning）
第六章：Temporal-Difference Learning TD-learning算法是強化學習中一個獨具特色而又核心的想法，結合了蒙特卡洛算法和動態規劃的想法。和MC一樣不需要環境模型直接從sample裏學習，也像DP一樣使用bootstrap通過別的狀態值的估計更新當前狀態值。首先也關注的是給定策略進行prediction或者叫policy evaluation。對於control（找到
相關文章
- 1. 強化學習（RLAI）讀書筆記第四章動態規劃
- 2. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 3. 強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
- 4. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 5. 強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation
- 6. 強化學習（RLAI）讀書筆記第二章多臂老虎機
- 7. 強化學習（RLAI）讀書筆記第十二章資格跡（Eligibility Traces）
- 8. 強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
- 9. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 10. 強化學習（RLAI）讀書筆記第八章表格方法的規劃與學習
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 強化學習（RLAI）讀書筆記第四章動態規劃
- 2. 強化學習（RLAI）讀書筆記第十六章Applications and Case Studies（不含alphago）
- 3. 強化學習（RLAI）讀書筆記第九章On-policy Prediction with Approximation
- 4. 強化學習（RLAI）讀書筆記第五章蒙特卡洛方法
- 5. 強化學習（RLAI）讀書筆記第十章On-Policy Control with Approximation
- 6. 強化學習（RLAI）讀書筆記第二章多臂老虎機
- 7. 強化學習（RLAI）讀書筆記第十二章資格跡（Eligibility Traces）
- 8. 強化學習（RLAI）讀書筆記第七章n步自舉（n-step Bootstrapping）
- 9. 強化學習（RLAI）讀書筆記第十一章 Off-policy Methods with Approximation
- 10. 強化學習（RLAI）讀書筆記第八章表格方法的規劃與學習